目标果实的准确、快速识别是实现采摘机器人实用化的关键前提。针对现有以可见光图像为主的果实识别方法存在光照敏感性和重叠、遮挡对象难以分割的缺陷,而基于深度信息的果实识别方法主要依赖点云的三维重构和图像特征提取,仍存在分析过程复杂、运算量大、对贴碰果叶无法有效分割的不足,本文以在我国广泛种植的柑橘果实为研究对象,提出了一种基于RealSense深度信息的果实识别方法并进行枝上柑橘果实的近景识别与试验验证。本文的主要工作如下:(1)以实现柑橘果实的近景识别为目标,文中首先进行了枝上柑橘对象深度信息的采集与预处理。为提供高精度、实时的深度信息,在对比几类主流RGB-D相机的相关参数后选择RealSense F200摄像头作为深度采集设备,并确定适合柑橘采摘机器人识别作业的近景探测范围,而针对RealSense F200获取的枝上柑橘原始深度点云中存在的冗余背景、空洞噪声和部分不稳定前景对象利用距离阈值分割得以有效剔除。(2)基于柑橘果、叶、枝对象分别具有实球体、片体、细柱体的三维几何特征与RealSense F200可采集高精度深度信息的优势,提出了一种果实识别的深度球截线方法,并针对点云聚类与区域划分后的近景果、叶孤立和贴碰区域分别提出了孤立和贴碰果实的特征提取算法,进而提出了复杂枝上环境的果实识别策略。由于深度球截线方法直接利用原始深度值进行截线提取,可有效发挥RealSense F200高精度数据的优势并大大降低果实特征提取过程的复杂性。(3)以成熟无核蜜桔为试验对象,利用提出的深度球截线方法进行枝上果实近景识别以验证算法的有效性。试验结果表明:深度球截线方法对184组孤立果叶的识别率高达97.8%,对120组单果多叶和120组两果多叶的识别率为74.2%和77.2%,而对80组三果多叶的复杂枝上环境的果实识别率为63.8%。其中,因果叶空间远近差异所导致的重叠、遮挡和少量贴碰情况也能保证较高的识别率,因而可以有效改善重叠、遮挡对果实识别造成的巨大困扰;而果叶严重贴碰时的果实可被探测表面的深度数据减少、截线圆形特征骤降,即使多次切割仍难以满足截线判据,从而出现果实未成功判别的漏判现象。(4)为进一步验证深度球截线方法对多类柑橘的适用性,考虑尺寸和形状特征差异,选择赣南脐橙、埃及橙、云南冰糖橙、四川丑橘和永春芦柑五类果实为研究对象,依次进行60组有光和60组无光条件下枝上单果两叶对象的近景识别。试验结果表明:赣南脐橙、埃及橙、云南冰糖橙、四川丑橘和永春芦柑在少量贴碰下的识别率分别为95.0%、100%、82.3%、90.0%和92.5%,而严重贴碰下因果实漏判现象增多导致各类果实识别率都有所下降,其识别率分别为68.3%、71.7%、58.0%、70.0%和68.8%。由回归分析可知,果实的尺寸与形状因素对其识别效果的影响依次降低,果实的尺寸越大识别率越高,在少量贴碰情况下的果实越接近标准圆形,其识别率越高。而有无光照条件对果实识别无明显影响,可有效克服可见光的光照敏感性,因此基于深度球截线的果实识别方法对多类柑橘果实具有良好的适用性,也为全天候果实的识别作业提供了新思路。综上,文中以低成本、高精度和新型集成化的RealSense为深度信息采集设备,利用近景视野内对象数量少、结构较简单的优势,提出果实识别的深度球截线方法并实现枝上近景柑橘果实的识别,整体算法复杂度低、运算量小,能有效应对重叠遮挡和光线变化的影响,且对多类柑橘具有良好的适应性,对苹果、番茄等近球形果实的识别也具有重要的参考价值。